Vision 多模态支持

wesgine 的 Vision（视觉）能力声明与图片处理机制。

能力声明

Vision 是 Model 的能力，不是 Provider 的能力。

v1.0.1 破坏性变更

已删除的字段：

• ProviderConfig.SupportsVision
• ProviderConfig.VisionModel

替代方案：在 Models[].SupportsVision 中声明：

providers:
  - name: azure-gpt4o
    models:
      - id: gpt-4o
        supports_vision: true
        context_window: 128000
      - id: gpt-4o-mini
        supports_vision: true

行为

请求含图片时

Provider Adapter 通过 capsForModel(req.Model) 按请求的实际模型查询 vision 能力：

• Model 声明 SupportsVision=true → 正常处理图片
• Model 未声明 SupportsVision=true → 返回 ErrVisionNotSupported 硬错误
• 不再静默剥离图片

连通性测试

POST /cells/{id}/providers/test

新增 mode=vision 挑战码 probe，验证模型是否真正支持视觉输入。

图片处理流水线

写入时（INV-PERSIST-01）

三条写入路径统一调用 stripInlineImages()：

1. onRunStart：user 消息中的图片
2. onTurnEnd：assistant 回复中的图片
3. onToolResult：工具返回的图片

处理逻辑：

• imageSaveDir 存在 → 解码存盘，改写为 file_ref 路径
• imageSaveDir 不存在 → 清空 Source
• 文件名白名单化防止路径穿越

上下文组装时

图片 block 在 Context Assembly 中保持原始格式传递给模型。

与 Provider 的关系

Vision 能力声明随 Provider 配置传入，引擎不含模型知识库（INV-DS-01）：

• 未配 SupportsVision → 默认不支持
• 配置错误暴露不遮盖（INV-DS-05）
• 新模型需在 catalog.yaml 或用户配置中声明能力